【後編】AIエージェントの未来と経営課題

1. 先行指標としての「コーディングエージェント」

AI活用の停滞の中で唯一、未来を先取りしているのが開発者領域です。

クラウドが辿った「開発者 → 部門 → 全社」という普及パターンを、AIも同様に進んでいます。

GitHub Copilotはすでに2000万ユーザに達し、Fortune 100企業の90％が導入しています。しかし、エンタープライズ全体での本格普及は2028年と予測されています。

現時点のAIでは、エンタープライズアプリケーションの開発には向いていないのです。その理由は、必要な“全体最適・責任・統制”を担えないことが本質的な制約だからなのです。

（１）要件定義の曖昧さを解釈しきれない

大規模業務システムの難しさは、コードではなく要件定義にあります。業務要件は①暗黙知・例外だらけ②部門ごとに利害が衝突する③法規制や商習慣が頻繁に変わる、だからです。

AIは「明文化された仕様」には強いですが、実際の現場にある曖昧・矛盾・政治的調整を含む要件整理はできません。

（２）システム全体の整合性（アーキテクチャ設計）が弱い

AIは局所的なコード生成は得意ですが、①数十〜数百システム連携②長期運用前提の設計③非機能要件（性能・可用性・セキュリティ）といった全体最適の設計は苦手です。

特にエンタープライズでは、「この変更が他システムにどう波及するか」、「5年後の拡張性をどう担保するか」という視点が不可欠ですが、AIはここを一貫して設計する能力がまだ不十分です。

（３）レガシー環境との統合が極めて難しい

現実の企業システムは、①20年以上前の基幹システム②独自仕様のデータ構造③ドキュメント不足といった“ブラックボックス”の集合です。

AIは①未整理データ②ドキュメント不備③暗黙ルールに非常に弱いのです。

（４）品質保証・責任の所在が曖昧

エンタープライズアプリケーション開発では、①障害時の責任②品質保証（テスト・監査）③セキュリティ担保が絶対条件です。

しかしAIは、①なぜそのコードを書いたか説明が曖昧（ブラックボックス）②出力の完全性を保証できない③ミスの責任主体になれない、だからです。

つまり、現在の開発現場の熱狂は「数年後の全社変革の前兆」です。

この時間差を理解することが、ビジネス成果への転換点になります。

2. 結論：15年の過程への備え

AI市場で成長するITベンダとは、ユーザのビジネスデータを保有しており、AIエージェントを安心安全に動かすことができるベンダです。我々は、デンタルサポートGの様々なビジネスデータを扱えるベンダです。その優位性を活かして、「業務のワークフローの再構築」に邁進します。しかし現状では、ビジネスデータはさまざまな各G社システム上に分散して保存されている“部分最適”の現状を一元的な管理の全体最適化を図ることが最優先課題に他なりません。